All files / modules/tts aliyun-realtime.provider.ts

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
import WebSocket from 'ws';
import fs from 'fs';
import path from 'path';
import { config } from '../../config';
import { VoiceParams } from '../../types';
 
// 阿里云百炼 Qwen-TTS WebSocket 实时语音合成
// 文档: https://help.aliyun.com/zh/model-studio/qwen-tts-realtime
// 支持流式输入，适合长文本
 
export class AliyunRealtimeTtsProvider {
  private apiKey: string;
  private model: string;
  private voice: string;
  private baseUrl = 'wss://dashscope.aliyuncs.com/api-ws/v1/realtime';
 
  constructor() {
    // 从 models.json 统一获取百炼配置（已消除 dashscope 冗余配置源）
    const vendorConfig = (config.models as any).vendors?.bailian;
    this.apiKey = vendorConfig?.apiKey || '';
    this.model = this.model || 'qwen3-tts-instruct-flash-realtime';
    this.voice = (config.models as any).tts?.defaultVoice || 'Cherry';
  }
 
  // 语音合成（WebSocket 流式）
  async synthesize(
    text: string,
    voiceId: string,
    params: VoiceParams,
    outputPath: string
  ): Promise<string> {
    return new Promise((resolve, reject) => {
      const voice = voiceId || this.voice;
      const audioChunks: Buffer[] = [];
      let sessionId: string;
 
      console.log('🔊 [Qwen Realtime TTS] 建立 WebSocket 连接...');
 
      const ws = new WebSocket(this.baseUrl, {
        headers: {
          'Authorization': `Bearer ${this.apiKey}`,
          'X-DashScope-App': 'audio-tts',
        },
      });
 
      ws.on('open', () => {
        console.log('✅ [Qwen Realtime TTS] 连接已建立');
      });
 
      ws.on('message', (data) => {
        try {
          const message = JSON.parse(data.toString());
 
          switch (message.event) {
            case 'session.configed':
              // 配置成功，发送文本
              sessionId = message.session_id;
              console.log('📝 [Qwen Realtime TTS] Session ID:', sessionId);
 
              // 构建指令
              const instructions: string[] = [];
              if (params.speed !== 1) {
                const speedDesc = params.speed > 1 ? '语速较快' : '语速较慢';
                instructions.push(speedDesc);
              }
              if (params.pitch !== 0) {
                const pitchDesc = params.pitch > 0 ? '音调较高' : '音调较低';
                instructions.push(pitchDesc);
              }
 
              // 使用 server_commit 模式：直接发送完整文本，服务端自动处理分段
              const textMessage = {
                event: 'input_text_buffer.append',
                context: {
                  text: text,
                },
              };
              ws.send(JSON.stringify(textMessage));
              console.log('📤 [Qwen Realtime TTS] 文本已发送，长度:', text.length);
 
              // 发送 commit 触发合成
              const commitMessage = {
                event: 'input_text_buffer.commit',
              };
              ws.send(JSON.stringify(commitMessage));
              console.log('📤 [Qwen Realtime TTS] 触发语音合成...');
              break;
 
            case 'audio.stream':
              // 接收音频数据
              if (message.data) {
                const audioBuffer = Buffer.from(message.data, 'base64');
                audioChunks.push(audioBuffer);
              }
              break;
 
            case 'audio.finish':
              // 合成完成
              console.log('✅ [Qwen Realtime TTS] 合成完成');
 
              // 保存文件
              if (audioChunks.length > 0) {
                const dir = path.dirname(outputPath);
                if (!fs.existsSync(dir)) {
                  fs.mkdirSync(dir, { recursive: true });
                }
 
                const finalPath = outputPath.endsWith('.mp3') ? outputPath : outputPath.replace(/\.[^.]+$/, '.mp3');
                const finalBuffer = Buffer.concat(audioChunks);
                fs.writeFileSync(finalPath, finalBuffer);
                console.log(`✅ [Qwen Realtime TTS] 文件已保存: ${finalPath}, 大小: ${finalBuffer.length} bytes`);
                ws.close();
                resolve(finalPath);
              } else {
                ws.close();
                reject(new Error('Qwen Realtime TTS 未返回音频数据'));
              }
              break;
 
            case 'task.finished':
              // 任务完成
              ws.close();
              resolve(outputPath);
              break;
 
            case 'error':
              console.error('❌ [Qwen Realtime TTS] 错误:', message.message);
              ws.close();
              reject(new Error(`Qwen Realtime TTS 错误: ${message.message}`));
              break;
 
            default:
              // 忽略其他消息
              break;
          }
        } catch (err) {
          console.error('❌ [Qwen Realtime TTS] 解析消息失败:', err);
        }
      });
 
      ws.on('error', (err) => {
        console.error('❌ [Qwen Realtime TTS] WebSocket 错误:', err.message);
        reject(err);
      });
 
      ws.on('close', () => {
        console.log('🔌 [Qwen Realtime TTS] 连接已关闭');
      });
 
      // 超时处理
      setTimeout(() => {
        if (ws.readyState === WebSocket.OPEN) {
          ws.close();
          reject(new Error('Qwen Realtime TTS 请求超时'));
        }
      }, 120000); // 2分钟超时
    });
  }
}